邊界層參數(shù)化在城市空氣質量模擬中的影響

王永紅 劉 豪 龔 玲 李 敏

(貴州省環(huán)境科學研究設計院， 貴陽 550002)

邊界層參數(shù)化在城市空氣質量模擬中的影響

王永紅 劉 豪 龔 玲 李 敏

(貴州省環(huán)境科學研究設計院， 貴陽 550002)

利用MM5中尺度氣象模式和CALPUFF空氣質量模式，采用不同的邊界層(PBL)參數(shù)化方案，模擬烏魯木齊市的大氣流場和湍流運動，比較不同PBL參數(shù)化方案下大氣污染物的模擬濃度值，以發(fā)現(xiàn)PBL參數(shù)化對城市尺度空氣質量模擬效果的影響。結果表明，在高分辨率的Blackadar PBL方案、Eta PBL、MRF PBL和Gayno-Seaman PBL參數(shù)化方案中，沒有哪個方案對所有氣象要素的數(shù)值模擬擁有絕對優(yōu)勢，整體看來，對空氣質量模擬影響較大的氣象要素，如風場等模擬效果較好，與實測結果比較吻合；各方案對風速、風向及溫度層結等的模擬值結果略有不同。4種方案模擬的污染物濃度值變化趨勢大致相似，其中，MRF PBL方案和Eta PBL方案對PM10和SO2的模擬效果較好，模擬值與實測值較為接近。不同PBL方案導致的風速及逆溫層厚度差異是造成污染物濃度模擬值差異的主要原因。

邊界層參數(shù)化；城市尺度；空氣質量模擬；影響

溫度、風速風向以及PBL高度等氣象條件對大氣污染物的傳輸、混合及濃度變化過程有著極為重要的影響。近年來，中尺度氣象模式MM5與CALPUFF[1-3]、CAMx[4-7]、CMAQ[8-11]等空氣質量模型相結合，已廣泛應用于空氣質量的數(shù)值模擬研究中。MM5輸出結果的質量，直接影響空氣質量模式的模擬效果。已有的研究表明，MM5的模擬結果依賴于各種參數(shù)化方案的選取，不同的物理參數(shù)化方案差別很大[12-15]。邊界層(PBL)參數(shù)化是數(shù)值模式的一個重要組成部分，較真實的模擬邊界層中的湍流運動，對于大氣污染物的分布擴散及空氣質量模式的運行效果具有重要意義。

以往PBL參數(shù)化對空氣質量的影響研究，多限于將MM5模式輸出的、與空氣質量模擬相關的氣象要素與監(jiān)測站點的實測資料進行時間和空間的對比[14, 16-18]，并以此評價PBL參數(shù)化方案表現(xiàn)的優(yōu)劣，而較少評價空氣質量模型的輸出結果。本研究利用MM5中尺度氣象模式和CALPUFF空氣質量模式，采用不同的PBL參數(shù)化方案，模擬城市尺度的大氣流場和湍流運動，比較了不同方案下大氣污染物的濃度模擬結果，以期進一步認識和了解MM5模式中各種PBL方案的性能、特點以及空氣質量數(shù)值模擬對于不同PBL參數(shù)化方案的敏感性，為合理選擇和使用模式中的PBL方案提供參考。

1 研究方法與資料來源

1.1 研究方法

MM5把全球數(shù)據(jù)同化系統(tǒng)獲取的粗網(wǎng)格上的各種資料內插到中尺度網(wǎng)格上獲得初始場和邊界值，計算得到反映區(qū)域尺度特征的三維流場。模式的原理和具體方法參見文獻[19-20]。

CALPUFF模式是美國EPA推薦使用的一個用于復雜地形下大氣質量評價的數(shù)值模式系統(tǒng)，包括邊界層氣象模塊CALMET、污染物擴散模塊CALPUFF和后處理模塊CALPOST 3部分。CALMET提供模擬區(qū)域網(wǎng)格內的三維逐時風場和溫度場，并提供混合層高度等二維資料。CALPUFF煙團擴散模塊基于非定常狀態(tài)拉格朗日煙團擴散原理，結合時變的氣象場資料，除充分考慮下墊面對污染物干濕沉降的影響外，還考慮了復雜地形的動力學效應以及靜風等非定常條件，能夠很好地模擬不同尺度區(qū)域的污染物擴散情景[3]。

采用不同PBL方案下MM5的氣象場模擬結果作為CALMET的輸入資料，輸出逐時風場、溫度場、混合層高度、大氣穩(wěn)定度等污染氣象參數(shù)。CALPUFF通過對CALMET輸出的氣象場與相關污染源資料的疊加，在考慮到各種污染物清除過程的情況下，模擬污染物的濃度分布。

1.2 研究范圍及網(wǎng)格界定

選擇烏魯木齊市作為案例城市。烏魯木齊東南西三面環(huán)山，地勢東南高、西北低，海拔680～920 m。受地形影響，烏魯木齊市全年輻射逆溫發(fā)生次數(shù)多，一年四季均有逆溫層存在。特別是烏魯木齊市區(qū)，冬季近地層幾乎全部被逆溫層所籠罩，逆溫頻率達90%以上，持續(xù)時間長，逆溫強度大。逆溫層厚度平均在600 m左右，對大氣環(huán)境質量的影響極大。

MM5模擬采用四層網(wǎng)格嵌套，如圖1所示。第1層網(wǎng)格覆蓋東亞地區(qū)(D01)，第2層網(wǎng)格覆蓋中國西部地區(qū)(D02)，第3層網(wǎng)格覆蓋新疆大部地區(qū)(D03)，第4層網(wǎng)格區(qū)域包括烏魯木齊市所轄的7區(qū)、1縣，即天山區(qū)、沙依巴克區(qū)、新市區(qū)、水磨溝區(qū)、頭屯河區(qū)、達坂城區(qū)、米東區(qū)和烏魯木齊縣(D04)。格距分別為81、27、9、3 km。

圖1 模擬區(qū)域

在MM5第四層模擬區(qū)域(D04)的基礎上，選取45 km×39 km的區(qū)域，作為CALPUFF的模擬區(qū)域，如圖1，網(wǎng)格距為1 km。這一區(qū)域是烏魯木齊市城市中心區(qū)，也是重點污染源的主要分布區(qū)。

1.3 模擬時段

2005年12月16～18日，烏魯木齊市空氣質量狀況連續(xù)三天達到重污染，污染指數(shù)均為500，首要污染物為可吸入顆粒物，空氣質量級別為Ⅴ級。本研究選取此次污染過程，采用MM5-CALPUFF模型系統(tǒng)進行模擬分析。

MM5積分時間為2005年12月16日00時～18日23時。每3小時輸出一次模擬結果，最終獲得模擬時間段內逐時的氣象場資料。

1.4 資料來源

MM5初始場采用美國國家環(huán)境預報中心的全球再分析資料；地形和地表類型數(shù)據(jù)采用美國地質調查局(USGS)的全球數(shù)據(jù)；同化采用的探空(ADPUPA)和常規(guī)地面監(jiān)測資料(ADPSFC和SFCSHP)來源于美國UCAR網(wǎng)站；烏魯木齊地區(qū)氣象監(jiān)測資料由烏魯木齊城區(qū)及周邊3個常規(guī)地面氣象站提供，分別為：烏魯木齊市氣象站(51463)，小渠子國家氣象觀測站二級站(51465)，烏魯木齊市牧業(yè)氣象試驗站(51469)和烏魯木齊市達坂城氣象站(51477)；環(huán)境監(jiān)測資料、大氣污染源分布及污染物排放量數(shù)據(jù)由烏魯木齊市環(huán)境監(jiān)測站提供。

1.5 污染源清單

2005年列入烏魯木齊市重點工業(yè)污染源的工業(yè)企業(yè)共有105家，本研究以這105家重點工業(yè)污染源為研究對象，收集整理了烏魯木齊市186個點源的詳細資料。由于本研究關注的主要是排放源不變情況下，不同PBL方案產(chǎn)生的氣象場差異導致的污染物濃度變化，故非重點工業(yè)污染源、生活面源和移動源沒有統(tǒng)計在內。

1.6 參數(shù)設置

本研究重點分析4種常用的PBL參數(shù)化方案對MM5模式模擬效果的影響，這4種PBL參數(shù)化方案分別為：高分辨率Blackadar PBL方案、Eta PBL方案、MRF PBL方案和Gayno-Seaman PBL方案。Blackadar PBL方案適用于高分辨率邊界層，如地表層厚度小于100 m。在近中性及穩(wěn)定層結情況下采用K理論，根據(jù)由白天自由對流特征建立的傳輸模式描寫不同高度大氣的交換；MRF PBL方案適用于高分辨率邊界層，K應用Holtslag等的三次函數(shù)形式,并加入了反梯度傳輸項，湍流交換系數(shù)為顯式表達,是高度的已知函數(shù)。該方案中還包括穩(wěn)定大氣中的垂直擴散、云中濕垂直擴散。垂直擴散采用隱式方案，且有5層土壤模式選項；Eta PBL方案是Mellor-Yamada level 2.5方案在NCEP Eta模式中的應用。預報了TKE和局地垂直混合，其中TKE為三維預報變量。Gayno-Seaman PBL方案是基于Mellor-Yamada TKE預報。用θse作為守恒量[21]。MM5模式的具體參數(shù)設置見表1。

表1 MM5模式參數(shù)設置

2 結果與分析

2.1 PBL參數(shù)化方案對MM5模擬效果的影響

2.1.1 風場

比較MM5輸出的水平風場結果發(fā)現(xiàn)，不同PBL方案對MM5模擬出的大尺度環(huán)流輸出量(u，v)的影響較小。近地面風場風向變化主要取決于地形下墊面狀況，不同方案下的局部風速大小存在差異。

圖2(a)、(c)為Gayno-SeamanPBL方案模擬的水平風矢量(約距地面20m高度)，其它方案圖略。圖2(a)中，在西南和東北山區(qū)出現(xiàn)明顯的沿坡發(fā)散氣流。這是由于夜間山區(qū)降溫迅速，山區(qū)的冷空氣往低處下瀉造成的下坡風。此時，在兩山間的谷地位置，由于下坡風跟南部的南風在這里匯合，形成輻合氣流，風速較小。圖2(c)中，白天有比較明顯的順著山澗吹向西南和東北山地的上坡風。這是由于白天山坡上的空氣比同高度上的自由大氣增熱強烈，于是暖空氣沿坡上升，形成谷風，這是典型的由于區(qū)域地理環(huán)境形成的區(qū)域風場特征。

圖2(b)、(d)為各監(jiān)測站點提供的12月16日00時、14時的實測風場資料示意圖。由圖可見，MM5能夠很好地反映水平風場的日變化規(guī)律，夜晚和白天風向的轉換及風速值的變化與監(jiān)測值的變動基本一致。模型對于烏魯木齊市區(qū)(51463)風速模擬值偏大，這可能是由于模擬中沒有考慮市內密集的高層建筑群對于近地面風場的影響。

圖2 MM5模擬水平風場與測站觀測值對比

為了更好的反映不同高度層風向的轉換情況，圖3、4分別給出了四種方案在烏魯木齊市氣象站(43.783°N)相應的緯向垂直剖面風矢量。如圖所示，各方案模擬結果相差較小，各高度層風向變換趨勢大致相同。00時，87°E以西近地面層主要為西南風控制，高空主導氣流為西北風。87°～87.6°E為風向的轉換區(qū)，夜間西南山區(qū)的沿坡發(fā)散氣流與沿谷地的南風及東北山區(qū)的下坡風在這個區(qū)域匯合，在87.4°E附近形成一個氣流輻合區(qū)，風速較小。在88.1～88.8°E之間，由于東北部山地的影響，存在一個風速大值區(qū)，由西部山坡向東，風向逐漸由東北風轉變?yōu)槲鞅憋L，這與水平風場看到的情況基本吻合。14時，區(qū)域內近地面風場以偏北風為主，風速較小，87.3°E山口位置盛行東南風，風速較大，但各方案模擬的最大值略有不同，EtaPBL方案、Gayno-SeamanPBL方案模擬的最大值大于其他方案。BlackadarPBL方案、EtaPBL方案、MRFPBL方案均較好地模擬出了88.1～88.8°E間的山區(qū)風場特征，而Gayno-SeamanPBL方案在山區(qū)風速大值區(qū)的模擬方面表現(xiàn)較差。對于中間層風場的模擬，各方案的差別主要體現(xiàn)在風速最大值出現(xiàn)的位置和影響范圍不同。4種方案對于高空風場的模擬存在較大差異，表現(xiàn)在風向轉換和風速兩方面。BlackadarPBL方案、EtaPBL方案、MRFPBL方案高空均以偏南風為主，在87.2°E左右由西南風轉為東南風，風速變大，87.9°E轉為偏北風，風速變??；EtaPBL方案風速模擬值略大于其他兩種方案，并在88.7°E模擬出一次西南風轉東北風的過程。而Gayno-SeamanPBL方案模擬結果風向轉換更為頻繁，風向變化最大處出現(xiàn)在87.5°E，與其它方案差別較大。

2.1.2 溫度場

圖5為4種不同PBL參數(shù)化方案模擬的12月16日00時～17日00時烏魯木齊市氣象站點(87.65°E，43.78°N)的近地面20m空氣等溫線圖。如圖5所示，各方案模擬溫度曲線與實測值變化趨勢大致相同，在午后14時達到一天中的最大值，除3 ～7時，19 ～21時模擬值與實測值曲線走勢相反外，其余時間模擬結果均較好反映出近地面溫度的變化情況。

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)圖3 2005年12月16日00時垂直剖面風矢量

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)圖4 2005年12月16日14時垂直剖面風矢量

圖5 2005年12月16日實測值與模擬溫度場

2.1.3 風速、溫度廓線

圖6為各PBL方案在烏魯木齊市氣象站(87.65°E，43.78°N)點的風速廓線。圖中曲線A表示北京時間12月16日00時，B為06時，C為12時，D為18時。

由圖6可見，各方案對于風速的模擬存在較大的差異，但變化趨勢大致相同。近地面至300m左右高度，風速值變化較小，從300m高度層開始，風速變化顯著。除BlackadarPBL方案外，12時及18時模擬風速值較大。在夜間層結穩(wěn)定的情況下，低空風速(曲線A)隨高度先變小后快速增大，達到一定高度處風速達最大值。在白天不穩(wěn)定層結的情況下，風速先變大后變小，最后隨高度趨于均勻。

氣溫的垂直分布決定了大氣層結的垂直穩(wěn)定度，直接影響湍流活動的強弱，支配著空氣污染物的分布。大氣層結穩(wěn)定度是決定大氣稀釋擴散能力的另一個重要因子。為了解區(qū)域地理特征和城市熱島效應對區(qū)域城市大氣邊界層的影響，研究了烏魯木齊市氣象站(87.65°E，43.783°N)點位4種PBL方案模擬的溫度廓線的日變化特征。

圖7a、b、c、d分別給出了4種方案的模擬結果，曲線A、B、C、D分別對應北京時間12月16日00時、06時、12時和18時。由圖7可見，烏魯木齊地區(qū)近地面層結穩(wěn)定，各方案模擬溫度層結的結構大體相似，但在對流層中低層卻存在明顯差異。白天，溫度隨高度增加升高緩慢；夜間，隨高度增加，溫度快速升高。全天均出現(xiàn)逆溫，夜晚逆溫強度強于白天，逆溫層厚度大致在400～500m之間，MRFPBL方案模擬逆溫層厚度最大，各方案模擬結果變化趨勢大致相似。

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)圖6 風速廓線

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)圖7 溫度廓線

2.2 PBL參數(shù)化方案對空氣質量模擬效果的影響

2.2.1SO2

圖8為12月16日～18日市收費站、監(jiān)測站和鐵路局三個站點模擬SO2濃度與監(jiān)測值的比較。由圖8可見，各監(jiān)測站點SO2濃度的小時均值變化較大，大致趨勢為早晚濃度高，中午時段低，這是因為早晚空氣層結比較穩(wěn)定所致。由于烏魯木齊市所處地理位置的原因，其時間約比北京時晚2小時左右，早晨的污染時段可持續(xù)至9時。午后，有一個下降過程，這主要是由于中午時段，隨著太陽短波輻射加強，地面溫度升高，垂直對流加強，大氣層結穩(wěn)定度逐漸由穩(wěn)定向不穩(wěn)定轉變。由于太陽輻射增熱驅動的混合，使得混合層厚度發(fā)生變化，污染物在日間混合層內充分混合，垂直與水平方向的擴散、輸送能力加強，利于污染物向高空擴散。下午，隨著太陽輻射的減弱，大氣凈長波輻射向上，地面輻射冷卻，大氣穩(wěn)定度由不穩(wěn)定向穩(wěn)定轉變，水平和垂直擴散的范圍逐漸減小，到次日9時左右，污染物聚集在近地面層，垂直擴散能力很弱。同時，由于SO2的排放源以高架點源為主，夜晚混合層高度較高，排放的污染物滯留在逆溫層中，也導致了高濃度值的產(chǎn)生。

(A、市收費站；B、市監(jiān)測站；C、市鐵路局)圖8 2005年12月16日至18日SO2監(jiān)測值與模擬值

相對于監(jiān)測值，除個別時段外，各方案模擬值均較低。這是由于本研究暫時沒有考慮面源和低架點源的影響，而主要將高架點源作為研究的重點；另外，由于MM5中下墊面資料沒有考慮近年來烏魯木齊市高層建筑群對城市風場的影響，城市區(qū)域模擬風速偏大，也導致模擬濃度值偏低。通過對方案模擬結果的分析可以發(fā)現(xiàn)，各方案的模擬趨勢變化大致相同，總的來說，MRFPBL方案和EtaPBL方案模擬的小時均值高于其它方案，也較接近監(jiān)測值，對于夜晚時段的模擬結果好于白天時段，這主要源于混合層高度模擬的差異。

2.2.2PM10

圖9為市收費站、監(jiān)測站和鐵路局三個站點模擬PM10濃度與監(jiān)測值的比較。由模擬結果可見，4種方案對PM10的模擬濃度值差異較大，但都低于實測值；MRFPBL方案與EtaPBL方案模擬的小時均值明顯高于其它方案，模擬的濃度高值點更接近實測濃度。16～18日的三天中，實測值每日均出現(xiàn)一個PM10的濃度峰值，各站點大致為15時左右，收費站、鐵路局站點還在18時左右出現(xiàn)一次濃度峰值，而模擬值并沒有反映出相同的趨勢，而是在夜間及凌晨時段PM10濃度值較高。

(A、市收費站；B、市監(jiān)測站；C、市鐵路局)圖9 2005年12月16日至18日PM10監(jiān)測值與模擬值

與SO2不同，PM10監(jiān)測結果并沒有呈現(xiàn)出白天低、早晚高的特征。究其原因，除氣象條件的影響外，研究中僅考慮大點源的源排放影響，而監(jiān)測站點多位于路邊，受機動車排放細粒子的影響大，導致PM10濃度隨路面機動車流量的變化而變化，并在上下班高峰期呈現(xiàn)峰值。

3 結論

采用不同PBL參數(shù)化方案運行MM5模式，對烏魯木齊市冬季典型重污染過程進行數(shù)值模擬，比較各方案對各種氣象要素的模擬結果，并采用四種方案模擬的氣象場，運行CALPUFF空氣質量模式，重點分析了PM10和SO2的模擬結果，結論如下：

(1) 在高分辨率的BlackadarPBL方案、EtaPBL、MRFPBL和Gayno-SeamanPBL參數(shù)化方案中，沒有哪個方案對所有氣象要素的數(shù)值模擬擁有絕對優(yōu)勢，整體看來，對空氣質量模擬影響較大的氣象要素，如風場等模擬效果較好，與實測較吻合；各方案對風速、風向及溫度層結等的模擬值略有不同。

(2) 4種方案模擬的污染物濃度值變化趨勢大致相似，MRFPBL方案和EtaPBL方案對PM10和SO2的模擬效果較好，模擬值與實測值較為接近。

(3)PBL方案不同導致的風速及逆溫層厚度差異是導致污染物濃度模擬值差異的主要原因。

[1]YINGZ,LevyJI,HammittKJ，etal. Estimating population exposure to power plant emissions using CALPUFF: a case study in Beijing, China[J]. Atmospheric Environment, 2003, 37:815-826.

[2] 楊多興, 韓永偉, 拓學森.門頭溝生態(tài)區(qū)排放的大氣顆粒物輸送的模擬研究[J].西南大學學報(自然科學版),2007,29(5):113-117.

[3] 朱好, 張宏升, 蔡旭暉, 等.CALPUFF在復雜地形條件下的近場大氣擴散模擬研究[J].北京大學學報(自然科學版),2013(3):452-462.

[4] Jackson B, Chau D,Gurer K,etal. Comparison of ozone simulations using MM5 and CALMET/MM5 hybrid meteorological fields for the July/August 2000 CCOS episode[J]. Atmospheric Environment, 2006, 40:2812-2822.

[5] Titov M, Sturman A P, Zawar-Reza P. Application of MM5 and CAMx4 to local scale dispersion of particulate matter for the city of Christchurch, New Zealand[J]. Atmospheric Environment, 2007, 41:327-338.

[6] Pirovano G, Coll L,Bedogni M,etal. On the influence of meteorological input on photochemical modelling of a severe episode over a coastal area[J]. Atmospheric Environment, 2007, 41:6445-6464.

[7] Titov M, Sturman A, Zawar-Reza P. Improvement of predicted fine and total particulate matter (PM) composition by applying several different chemical scenarios:A winter 2005 case study[J]. Science of the Total Environment, 2007, 385:284-296.

[8] Chen D S,Cheng S Y, Liu L,etal. An integrated MM5-CMAQ modeling approach for assessing trans-boundary PM10contribution to the host city of 2008 Olympic summer games—Beijing, China[J]. Atmospheric Environment, 2007, 41:1237-1250.

[9] Fu J S,Jang C J,Streets D G,etal. MICS-Asia II: Modeling gaseous pollutants and evaluating an advanced modeling system over East Asia[J]. Atmospheric Environment, 2008,42:3571-3583.

[10] Yu Y,Sokhi R S, Kitwiroon N,etal. Performance characteristics of MM5-SMOKE-CMAQ for a summer photochemical episode in southeast in England, United Kingdom[J]. Atmospheric Environment, 2008, 42:4870-4883.

[11] 李莉, 陳長虹, 黃成, 等.長江三角洲地區(qū)大氣O3和PM10的區(qū)域污染特征模擬[J].環(huán)境科學,2008,29(1):237-245.

[12] 李莉, 程水源, 陳東升, 等.氣象模式MM5的不同參數(shù)化方案評估J].北京工業(yè)大學學報,2010,32(1):171-76.

[13] Darmenova K, Sokolik I N. Assessing uncertainties in dust emission in the Aral Sea region caused by meteorological fields predicted with a mesoscale model[J]. Global and Planetary Change, 2007, 56:297-310.

[14] Akylas E,Kotroni V,Lagouvardos K. Sensitivity of high-resolution operational weather forecasts to the choice of the planetary boundary layer scheme[J]. Atmospheric Research, 2007, 84:49-57.

[15] Mao Q,Gautney L L, Cook T M,etal. Numerical experiments on MM5-CMAQ sensitivity to various PBL schemes[J]. Atmospheric Environment, 2006, 40:3092-3110.

[16] Miao J F,Chen D, Wyser K,etal. Evaluation of MM5 mesoscale model at local scale for air quality applications over the Swedish west coast: Influence of PBL and LSM parameterizations[J]. Meteorology and Atmospheric Physics, 2008, 99:77-103.

[17] Srinivas C V,Venkatesan R,Singh A B. Sensitivity of mesoscale simulations of land-sea breeze to boundary layer turbulence parameterization[J]. Atmospheric Environment, 2007, 41:2534-2548.

[18]HanZW,UedaH,AnJ.EvaluationandintercomparisonofmeteorologicalpredictionsbyfiveMM5-PBLparameterizationsincombinationwiththreeland-surfacemodels[J].AtmosphericEnvironment, 2008, 42:233-249.

[19]SrinivasCV,VenkatesanDV,BhaskarRaoDV,etal. Numerical Simulation of Andhra Severe Cyclone (2003): Model Sensitivity to the Boundary Layer and Convection Parameterization[J]. Pure and Applied Geophysics, 2007, 164(8-9): 1465-1487.

[20] Juneng L, Tangang F T, Reason C J,etal. Simulation of tropical cyclone Vamei (2001) using the PSU/NCAR MM5 model[J]. Meteorology and Atmospheric Physics, 2007, 97(1-4):273-290.

[21] Garratt J R. Sensitivity of climate simulations to land2surface and atmospheric boundary layer treatments—A review[J]. J Climate, 1993, 6(3): 419-449.

Influence of PBL Parameterization on the Effect of Urban Air Quality Simulation

Wang Yonghong, Liu Hao, Peng Jingquan

(Guizhou Institute of Environmental Science and Designing, Guiyang 550002, China)

With employing four planetary boundary layer (PBL) parameterization schemes (Blackadar, ETA, MRF, and Gayno-Seaman), MM5 was applied to simulate the meteorological field and the turbulence in Urumchi. And then, urban air quality simulations were conducted to examine the impacts of different schemes by using CALPUFF model. Results show that among four PBL parameterization schemes, no one is distinguishable from the rest in terms of the simulation results of all the meteorological elements. Generally speaking, for those meteorological elements that have great impacts on the air quality simulation results, e.g. the wind field, good results are obtained as against observation. Only little difference in the simulation values in terms of wind speed, wind direction as well as temperature are witnessed for all the PBL concerned. Variations of simulated concentration of pollutants are of similar for those four simulations, among which, MRF PBL and Eta PBL schemes are better than the rest with regard to PM10and SO2simulation since simulation results thereof are closer to the observation. Differences in wind speed and the thickness of the inversion layer due to different PBL schemes employed are the major contribution to the differences in simulated concentration values.

PBL parameterization；urban scale；air quality simulation；influence

2015-07-03； 2015-07-30修回

王永紅，男，1979年生，工程師，碩士，研究方向：大氣環(huán)境污染控制。E-mail：371200560@qq.com

X16

A